Comparație a capabilităților modelelor AI
Inginerie ML
Only models released within the past year are shown. Only benchmarks covering at least 3 of these models are shown. Unknown release dates are excluded; historical data is retained.
— means no published score for this candidate in this source, not zero.
| Nr. | Model | 4/11 recent-year models have scores |
|---|---|---|
| 1 |  Claude Opus 5.5 | 49.3OpenCode, 10h, H100Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 44.3OpenCode, 10h, H100GPT-6 Astra |
| 3 | GPT-6.1 Sol | — |
| 4 | Claude Fable 5.1 | 40.2OpenCode, 10h, H100Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 45.3OpenCode, 10h, H100Gemini 4 Argon |
| 6 | Claude Sonnet 5.5 | — |
| 7 | Claude Opus 5 | — |
| 8 | GPT-6 Sol | — |
| 9 | GPT-6 Luna | — |
| 10 | Claude Haiku 5.5 | — |
| 11 | Claude Mythos Preview | — |
Google DeepMind (model card)
Sursă: Google DeepMind (model card) ↗
Fișa modelului Google: rezultatele publicatorului și scoruri ale terților republicate, din octombrie 2026. Vezi metodologia pentru setările de evaluare; acestea nu sunt toate evaluări independente. Metodologie de evaluare ↗
PostTrainBench v1.1 · Source date unknown
PandaNpc Actualizat 21 oct. 2026, 06:01 UTC
Sursă: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Ghid pentru coloane
- Nr.
- Numai ordinea de afișare. Sortarea modifică acest număr; nu este un rang publicat de capacitate.
- Model
- Numele modelului evaluat și pictograma furnizorului său. O liniuță într-o coloană de scor înseamnă că nu există un scor publicat disponibil aici, nu un zero.
- PostTrainBench v1.1Benchmark de post-antrenare v1.1
- Testează dacă un agent poate îmbunătăți un model de bază prin post-antrenare sub un buget de calcul. Scorul rezumă modelele rezultate pe evaluări ulterioare. Metodologie de evaluare ↗
Citiți scorurile în cadrul aceluiași benchmark, sursă și versiune. Valorile mai mari indică performanță mai puternică la metrica raportată, dar coloanele diferite nu au o scală comună.